0

我正在尝试使用 ufunc 有效地将 N * 1 numpy 整数数组映射到 N * 3 numpy 浮点数组。

到目前为止我所拥有的：

map = {1: (0, 0, 0), 2: (0.5, 0.5, 0.5), 3: (1, 1, 1)}
ufunc = numpy.frompyfunc(lambda x: numpy.array(map[x], numpy.float32), 1, 1)

input = numpy.array([1, 2, 3], numpy.int32)

ufunc(input)给出一个 dtype 对象的 3 * 3 数组。我想要这个数组，但使用 dtype float32。

4

4 回答 4

1

You could use np.hstack:

import numpy as np
mapping = {1: (0, 0, 0), 2: (0.5, 0.5, 0.5), 3: (1, 1, 1)}
ufunc = np.frompyfunc(lambda x: np.array(mapping[x], np.float32), 1, 1, dtype = np.float32)

data = np.array([1, 2, 3], np.int32)
result = np.hstack(ufunc(data))
print(result)
# [ 0.   0.   0.   0.5  0.5  0.5  1.   1.   1. ]
print(result.dtype)
# float32
print(result.shape)
# (9,)
于 2012-08-31T01:24:10.130 回答
1

除非我误读了文档，否则np.frompyfunc标量对象的输出确实是：当使用 andarray作为输入时，你会得到一个ndarraywith dtype=obj。

一种解决方法是使用该np.vectorize功能：

F = np.vectorize(lambda x: mapper.get(x), 'fff')

在这里，我们强制dtypeofF的输出为 3 个浮点数（因此是'fff'）。

>>> mapper = {1: (0, 0, 0), 2: (0.5, 1.0, 0.5), 3: (1, 2, 1)}
>>> inp = [1, 2, 3]
>>> F(inp)
(array([ 0. ,  0.5,  1. ], dtype=float32), array([ 0.,  0.5,  1.], dtype=float32), array([ 0. ,  0.5,  1. ], dtype=float32))

好吧，这不是我们想要的：它是三个浮点数组的元组（正如我们给出的 'fff'），第一个数组相当于[mapper[i][0] for i in inp]. 因此，通过一些操作：

>>> np.array(F(inp)).T
array([[ 0. ,  0. ,  0. ],
       [ 0.5,  0.5,  0.5],
       [ 1. ,  1. ,  1. ]], dtype=float32)
于 2012-08-31T11:59:58.677 回答
1

你可以使用 ndarray 花式索引来获得相同的结果，我认为它应该比 frompyfunc 更快：

map_array = np.array([[0,0,0],[0,0,0],[0.5,0.5,0.5],[1,1,1]], dtype=np.float32)
index = np.array([1,2,3,1])
map_array[index]

或者你可以只使用列表理解：

map = {1: (0, 0, 0), 2: (0.5, 0.5, 0.5), 3: (1, 1, 1)}
np.array([map[i] for i in [1,2,3,1]], dtype=np.float32)
于 2012-08-31T01:29:06.047 回答
1

如果您的映射是一个 numpy 数组，您可以为此使用花哨的索引：

>>> valmap = numpy.array([(0, 0, 0), (0.5, 0.5, 0.5), (1, 1, 1)])
>>> input = numpy.array([1, 2, 3], numpy.int32)
>>> valmap[input-1]
array([[ 0. ,  0. ,  0. ],
       [ 0.5,  0.5,  0.5],
       [ 1. ,  1. ,  1. ]])
于 2012-08-31T01:29:14.280 回答